Varyasyonel otomatik kodlayıcılar veya VAE'ler, verilerin karmaşık olasılık dağılımlarını öğrenmek için kullanılan bir tür üretken sinir ağıdır. Bunlar iki bileşenin (bir kodlayıcı ve bir kod çözücü ağı) birleşimidir. Kodlayıcı ağı, bir görüntü gibi bir veri girişini tahminlerin yapıldığı olasılık dağılımındaki bir noktaya (gizli alan) eşlemek için kullanılır. Kod çözücü ağı daha sonra gizli uzaydaki noktayı almak ve olasılık dağılımına dayalı olarak yeniden yapılandırılmış bir görüntü gibi bir çıktı oluşturmak için kullanılır.
Değişken bir otomatik kodlayıcının temel amacı, "gizli uzay örneklemesini" veya gizli uzaydaki belirli bir nokta(lar) kümesinden tahminler üretme yeteneğini mümkün kılmaktır. Örneğin, farklı cinsiyet ve etnik kökene sahip yüzler gibi gizli alandaki farklı noktalardan bir görüntü koleksiyonu oluşturmak için varyasyonel bir otomatik kodlayıcı kullanılabilir.
Varyasyonel otomatik kodlayıcılar aynı zamanda üretken modeller veya verilen olasılık dağılımından yeni veri noktaları üreten modeller olarak da kullanılır. Bu, görüntü odaklı veri büyütme veya görüntü oluşturma gibi bilgisayarlı görme uygulamalarında uygulanabilir.
Değişken otomatik kodlayıcıları kullanmanın ana avantajlarından biri, bunların veriler üzerindeki karmaşık olasılık dağılımlarını öğrenmek için kullanılması ve veri açısından verimli olmasıdır; bu da nispeten küçük bir veri kümesinden öğrenebilecekleri anlamına gelir. Bu, onları bir görüntü veya metindeki dağıtım dışı veri noktalarını tanımlamak için kullanılabilecekleri anormallik tespiti gibi sorunları çözmek için ideal kılar.
Varyasyonsal otomatik kodlayıcılar, yeni ifadeler veya cümleler oluşturmak için kelimeleri gizli alandaki çeşitli noktalara eşleştirebildikleri için doğal dil işleme gibi diğer birçok alanda da potansiyel uygulamalara sahiptir.
Genel olarak, varyasyonel otomatik kodlayıcılar birçok türde üretken modelleme görevine güçlü bir çözüm sunar ve veri bilimi ve makine öğrenimi alanlarında paha biçilmez bir araçtır.
